作者：王雪水质监测遗传算法bp神经网络实测指标模拟精度
摘要：为找出适用于水质指标监测的标准模型,本文用遗传算法优化BP神经网络模型（GABP）,选取高锰酸盐指数（CODMN）、总氮（TN）和总磷（TP）3种实测指标为基础,以Nash-Sutcliffe系数（CD）、逐日相对均方根误差（RMSE）和Kendall一致性系数（K）为评价指标体系,找出最优模型,并将结果与BP神经网络模型对比,结果表明：GABP模型在对3种指标进行模拟时,其模拟结果与实测值的拟合方程斜率均在0.95―1.06之间,且决定系数较高,均在0.70以上;同时对不同模型评价指标进行计算可知,GABP模型对3种指标计算结果的RMSE均在0.301一下,而CD和K值均超过了0.79,且与实测值的相关性均达到了极显著水平（P〈0.01）,这表明GABP模型对水质指标的模拟精度较高,可作为水质监测的基本模型使用。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
